CN111783341A - 一种基于路径规划的靶向机器人运动优化方法及系统 - Google Patents
一种基于路径规划的靶向机器人运动优化方法及系统 Download PDFInfo
- Publication number
- CN111783341A CN111783341A CN202010631789.6A CN202010631789A CN111783341A CN 111783341 A CN111783341 A CN 111783341A CN 202010631789 A CN202010631789 A CN 202010631789A CN 111783341 A CN111783341 A CN 111783341A
- Authority
- CN
- China
- Prior art keywords
- robot
- energy consumption
- targeting
- target
- target robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 title claims abstract description 17
- 238000005265 energy consumption Methods 0.000 claims abstract description 88
- 238000002347 injection Methods 0.000 claims abstract description 9
- 239000007924 injection Substances 0.000 claims abstract description 9
- 230000008685 targeting Effects 0.000 claims description 89
- 210000004204 blood vessel Anatomy 0.000 claims description 31
- 239000007788 liquid Substances 0.000 claims description 31
- 210000002744 extracellular matrix Anatomy 0.000 claims description 28
- 102000010834 Extracellular Matrix Proteins Human genes 0.000 claims description 27
- 108010037362 Extracellular Matrix Proteins Proteins 0.000 claims description 27
- 210000001519 tissue Anatomy 0.000 claims description 25
- 210000004027 cell Anatomy 0.000 claims description 10
- 230000000149 penetrating effect Effects 0.000 claims description 3
- 239000000835 fiber Substances 0.000 description 7
- 210000003462 vein Anatomy 0.000 description 6
- 210000001367 artery Anatomy 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000013508 migration Methods 0.000 description 5
- 230000005012 migration Effects 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 210000004072 lung Anatomy 0.000 description 3
- 210000004881 tumor cell Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 210000001365 lymphatic vessel Anatomy 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 102000007469 Actins Human genes 0.000 description 1
- 108010085238 Actins Proteins 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000002421 cell wall Anatomy 0.000 description 1
- 210000000805 cytoplasm Anatomy 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000012377 drug delivery Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002889 endothelial cell Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001339 epidermal cell Anatomy 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000002626 targeted therapy Methods 0.000 description 1
- 229940126585 therapeutic drug Drugs 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于路径规划的靶向机器人运动优化方法及系统，所述方法包括：基于有限元数值模型计算靶向机器人在人体的不同组织内运动所产生的单位耗能；获取所述靶向机器人由人体注入点运行到人体靶向点的N个路径信息；基于在不同组织内运动所产生的单位耗能，计算所述靶向机器人在N个路径信息中每一个路径信息所产生的总耗能，并将最小总耗能所对应的路径信息作为所述靶向机器人的最优运动路径。在本发明实施例中，通过靶向机器人在人体组织内运动时所产生的耗能情况来优化其运动路径，可解决靶向机器人在人体中运动的能源不足问题。
Description
技术领域
本发明涉及医疗技术领域，尤其涉及一种基于路径规划的靶向机器人运动优化方法及系统。
背景技术
靶向治疗作为肿瘤治疗的发展方向，主要是通过设计相应的治疗药物，使药物在人体内与特异抗体或受体结合，从而使肿瘤细胞特异性死亡。而靶向机器人是微纳级别的机器人，可以进入人体对肿瘤细胞进行识别、标记、跟踪，同时可对肿瘤细胞进行针对性给药。因为理论上机器人无需与特异抗体结合，而且易于跟踪观测，使得“靶向”更加精准，适用面广。
现今的靶向机器人技术已进行过小鼠实验证明其可行性，但还远不能进入人体实施治疗，其中一个非常重要原因在于机器人的驱动能力仍存在极大挑战。靶向机器人的驱动方式主要有使用细菌等微生物作为“引擎”，以及使用外磁场等提供外部能源两种方式，前者普遍驱动力不足导致不能保证到达靶向点，后者需要足够强的外磁场导致可能对人体产生不良影响。
解决机器人的能源问题可以从硬件入手，也可以从软件入手，比如对靶向机器人的路径规划。然而，靶向机器人的迁移场地在人体的血管/淋巴管或者组织中，血液的流动、组织中的蛋白纤维网络、血管壁的内皮细胞等均会对靶向机器人的移动造成阻碍；与此同时，这些阻碍会因多个参数(如血管直径、血细胞浓度、组织蛋白浓度等)的改变而改变。因此，在路径规划前对人体不同位置对机器人的阻力进行评估，将对靶向机器人运动优化具有重要意义。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种基于路径规划的靶向机器人运动优化方法及系统，通过靶向机器人在人体组织内运动时所产生的耗能情况来优化其运动路径，可解决靶向机器人在人体中运动的能源不足问题。
为了解决上述问题，本发明提出了一种基于路径规划的靶向机器人运动优化方法，所述方法包括：
基于有限元数值模型计算靶向机器人在人体的不同组织内运动所产生的单位耗能；
获取所述靶向机器人由人体注入点运行到人体靶向点的N个路径信息；
基于在不同组织内运动所产生的单位耗能，计算所述靶向机器人在N个路径信息中每一个路径信息所产生的总耗能，并将最小总耗能所对应的路径信息作为所述靶向机器人的最优运动路径。
可选的，所述基于有限元数值模型计算靶向机器人在人体的不同组织内运动所产生的单位耗能包括：
计算所述靶向机器人在血管中移动的单位耗能；
计算所述靶向机器人穿过血管壁的单位耗能；
计算所述靶向机器人在细胞外基质中迁移的单位耗能。
可选的，所述靶向机器人在血管中移动的单位耗能U为：
f＝πCDρR2v2
其中，σ为所述靶向机器人的当前应力，ε为所述靶向机器人的当前应变，V为所述靶向机器人的体积，A为液体对所述靶向机器人的有效作用面积，f为所述靶向机器人所受到的压差阻力，R为所述靶向机器人的半径，v为所述靶向机器人与液体的相对运动速度，CD为液体的阻力系数，ρ为液体密度。
可选的，所述靶向机器人穿过血管壁的单位耗能W为：
其中，r0为所述靶向机器人的半径，a为不同细胞间的初始间隙半径，F为所述靶向机器人所受到的合外力。
可选的，所述靶向机器人在细胞外基质中迁移的单位耗能P为：
其中，P为所述靶向机器人在穿越整个细胞外基质所消耗的总功耗，S0为路程总长度，J(s)为所述靶向机器人穿过单个孔洞所做的功，a(s)为单个孔洞的初始半径，r0为所述靶向机器人的半径，F为所述靶向机器人所受到的合外力。
另外，本发明实施例还提出了一种基于路径规划的靶向机器人运动优化系统，所述系统包括：
耗能计算模块，用于基于有限元数值模型计算靶向机器人在人体的不同组织内运动所产生的单位耗能；
路径获取模块，用于获取所述靶向机器人由人体注入点运行到人体靶向点的N个路径信息；
路径优化模块，用于基于在不同组织内运动所产生的单位耗能，计算所述靶向机器人在N个路径信息中每一个路径信息所产生的总耗能，并将最小总耗能所对应的路径信息作为所述靶向机器人的最优运动路径。
可选的，所述耗能计算模块用于计算所述靶向机器人在血管中移动的单位耗能、穿过血管壁的单位耗能以及在细胞外基质中迁移的单位耗能。
可选的，所述靶向机器人在血管中移动的单位耗能U为：
f＝πCDρR2v2
其中，σ为所述靶向机器人的当前应力，ε为所述靶向机器人的当前应变，V为所述靶向机器人的体积，A为液体对所述靶向机器人的有效作用面积，f为所述靶向机器人所受到的压差阻力，R为所述靶向机器人的半径，v为所述靶向机器人与液体的相对运动速度，CD为液体的阻力系数，ρ为液体密度。
可选的，所述靶向机器人穿过血管壁的单位耗能W为：
其中，r0为所述靶向机器人的半径，a为不同细胞间的初始间隙半径，F为所述靶向机器人所受到的合外力。
可选的，所述靶向机器人在细胞外基质中迁移的单位耗能P为：
其中，P为所述靶向机器人在穿越整个细胞外基质所消耗的总功耗，S0为路程总长度，J(s)为所述靶向机器人穿过单个孔洞所做的功，a(s)为单个孔洞的初始半径，r0为所述靶向机器人的半径，F为所述靶向机器人所受到的合外力。
在本发明实施例中，优先利用流体力学理论评估靶向机器人在血管或者淋巴管中运动所受到的阻力，同时利用有限元数值模型评估靶向机器人在血管和组织之间穿透所需要做的机械功，以此作为路径优化的评价标准；基于靶向机器人在人体内任意两点间的运动路径不唯一，利用路径优化的评价标准可制定能耗相对最小的运动路径，保证在不提高靶向机器人成本的前提下，解决靶向机器人在人体中运动的能源不足问题，使得靶向机器人应用在医疗领域更具有可行性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例公开的一种基于路径规划的靶向机器人运动优化方法的流程示意图；
图2是本发明实施例公开的一种基于路径规划的靶向机器人运动优化系统的组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1示出了本发明实施例中的一种基于路径规划的靶向机器人运动优化方法的流程示意图，所述方法包括如下步骤：
S101、基于有限元数值模型计算靶向机器人在人体的不同组织内运动所产生的单位耗能；
(1)计算所述靶向机器人在血管中移动的单位耗能；
在本发明实施例中，由于血液是具有粘滞性的非牛顿流体，在血管中流动时非各处恒速，即在管壁处的流速最小、靠近管轴心处的流速最大。因此规划出所述靶向机器人在血管中的运动轨迹为：顺流运动时应尽量处于管中心位置，逆流运动时应尽量贴于管壁位置。当然，在计算所述靶向机器人的迁移速度和能量消耗时默认所述靶向机器人处于这两种理想状态，且假设血管中的液体流动皆为层流。此处利用流体力学理论判断所述靶向机器人将同时受到粘滞阻力和压差阻力的作用，且以压差阻力为主，计算出所述靶向机器人在血管中移动的单位耗能U为：
f＝πCDρR2v2
其中，σ为所述靶向机器人的当前应力，ε为所述靶向机器人的当前应变，V为所述靶向机器人的体积，A为液体对所述靶向机器人的有效作用面积，f为所述靶向机器人所受到的压差阻力，R为所述靶向机器人的半径，v为所述靶向机器人与液体的相对运动速度，CD为液体的阻力系数，ρ为液体密度。此外，所述靶向机器人的当前应力与当前应变的关系需要结合所述靶向机器人在不同姿态下的受力情况获知。
(2)计算所述靶向机器人穿过血管壁的单位耗能；
在本发明实施例中，由于表皮细胞与表皮细胞之间还存在细胞外基质，在分析所述靶向机器人穿过血管壁所需要做的机械能时，需要在细胞外基质模型的基础上添加细胞模型，且细胞模型中的细胞质拟用密度较小、弹性模量较低的固体单元，细胞模型中的细胞壁拟用密度较大，弹性模量较高的固体单元，具体的参数依据实际细胞设定。此处结合有限元数值模型来求解出所述靶向机器人在扩张过程中的单位耗能W为：
其中，r0为所述靶向机器人的半径，a为不同细胞间的初始间隙半径，F为所述靶向机器人所受到的合外力，该合外力通过有限元数值模型获取。
(3)计算所述靶向机器人在细胞外基质中迁移的单位耗能。
在本发明实施例中，采用细胞外基质模型(即纤维网络模型)来分析所述靶向机器人在迁移过程中所需要的机械能，且在此模型中可通过改变纤维的密度、弹性模量来模拟不同的肌动蛋白成分，可通过增加或减少纤维的数量来模拟不同密度的细胞外基质，可通过限制纤维的投放方向来模拟不同的细胞外基质方向性，便于技术人员根据人体真实的细胞外基质进行模拟，以获取准确的计算结果。基于纤维的阻碍作用，所述靶向机器人在穿过细胞外基质的过程中将不断对沿途的孔洞进行半径扩大处理，即所述靶向机器人在细胞外基质中迁移的单位耗能P为：
其中，P为所述靶向机器人在穿越整个细胞外基质所消耗的总功耗，S0为路程总长度，J(s)为所述靶向机器人穿过单个孔洞所做的功，a(s)为单个孔洞的初始半径，r0为所述靶向机器人的半径，F为所述靶向机器人所受到的合外力。此外，所述路程总长度实际上为所述靶向机器人在细胞外基质迁移时所穿过的孔洞数量；且本发明实施例设定在某个孔洞的原始半径较大时，将所述靶向机器人穿过该孔洞所消耗的能量忽略不计。
S102、获取所述靶向机器人由人体注入点运行到人体靶向点的N个路径信息；
在本发明实施例中，由于人体内不同组织的复杂程度，所述靶向机器人由人体注入点运行到人体靶向点的路径信息存在不唯一性，同时也取决于注入点和靶向点的选择位置。例如当所述靶向机器人在人体手腕静脉处被注入，需移动到人体肺部靶向点时，所述靶向机器人将面临三种路径选择：路径一，所述靶向机器人穿过静脉血管进入组织，再由组织进入动脉血管，最后在动脉血管中以顺流模式到达肺部靶向点；路径二，所述靶向机器人穿过静脉血管进入组织，通过在组织中的细胞外基质迁移到达肺部靶向点；路径三，所述靶向机器人从静脉血管转向静脉侧支血管，通过在该静脉侧支血管中以逆流模式到达肺部靶向点。
S103、基于在不同组织内运动所产生的单位耗能，计算所述靶向机器人在N个路径信息中每一个路径信息所产生的总耗能，并将最小总耗能所对应的路径信息作为所述靶向机器人的最优运动路径。
在本发明实施例中，所述靶向机器人的最优运动路径需要在不脱离实际的情况下从所述N个路径信息中选择一个路径，并保证所述靶向机器人选用该路径所产生的总耗能最低。结合步骤S101所提供的各个计算公式，对步骤S102所列举出来的三种路径分别进行分析如下：
路径一所对应的总耗能包括所述靶向机器人两次穿过血管壁所需要的机械能，以及所述靶向机器人在组织中迁移的耗能；其中，由于所述靶向机器人在穿过静脉血管的位置点选择以及在进入动脉血管的位置点选择，将造成其在静脉血管和在动脉血管的移动总长度发生变化，且基于静脉血管和动脉血管中的血液流速不同，使得所述靶向机器人所需要的机械能不同，在实施过程中应通过试验获取所述靶向机器人两次穿过血管壁的合适位置点，以总能耗最低为标准对路径一进行内部优化，得到最优路径一；
路径二所对应的总耗能包括所述靶向机器人一次穿过血管壁所需要的机械能，以及所述靶向机器人在细胞外基质中迁移的耗能；其中，通过选取不同的起点(即所述靶向机器人穿过静脉血管的位置点)，借助纤维网络数值模型规划出不同起点到同一靶向点的最佳迁移路线，以总能耗最低为标准对路径二进行内部优化，得到最优路径二；
路径三所对应的总耗能仅包括所述靶向机器人在静脉血管中分别以顺流模式、逆流模式移动所产生的耗能，仅需考虑所述靶向机器人的顺流路线长短即可，并以总能耗最低为标准得到最优路径三；
最后，通过将所述最优路径一、所述最优路径二和所述最优路径三所对应的总能耗进行比较，其中总能耗最低的最优路径即为所述靶向机器人的最优运动路径。
图2示出了本发明实施例中的一种基于路径规划的靶向机器人运动优化系统的组成示意图，所述系统包括：
耗能计算模块201，用于基于有限元数值模型计算靶向机器人在人体的不同组织内运动所产生的单位耗能；
路径获取模块202，用于获取所述靶向机器人由人体注入点运行到人体靶向点的N个路径信息；
路径优化模块203，用于基于在不同组织内运动所产生的单位耗能，计算所述靶向机器人在N个路径信息中每一个路径信息所产生的总耗能，并将最小总耗能所对应的路径信息作为所述靶向机器人的最优运动路径。
进一步的，所述耗能计算模块201用于计算所述靶向机器人在血管中移动的单位耗能、穿过血管壁的单位耗能以及在细胞外基质中迁移的单位耗能；其中，
(1)所述靶向机器人在血管中移动的单位耗能U为：
f＝πCDρR2v2
式中：σ为所述靶向机器人的当前应力，ε为所述靶向机器人的当前应变，V为所述靶向机器人的体积，A为液体对所述靶向机器人的有效作用面积，f为所述靶向机器人所受到的压差阻力，R为所述靶向机器人的半径，v为所述靶向机器人与液体的相对运动速度，CD为液体的阻力系数，ρ为液体密度；
(2)所述靶向机器人穿过血管壁的单位耗能W为：
式中：r0为所述靶向机器人的半径，a为不同细胞间的初始间隙半径，F为所述靶向机器人所受到的合外力；
(3)所述靶向机器人在细胞外基质中迁移的单位耗能P为：
式中：P为所述靶向机器人在穿越整个细胞外基质所消耗的总功耗，S0为路程总长度，J(s)为所述靶向机器人穿过单个孔洞所做的功，a(s)为单个孔洞的初始半径，r0为所述靶向机器人的半径，F为所述靶向机器人所受到的合外力。
其中，所述系统被配置用于执行上述的基于路径规划的靶向机器人运动优化方法，针对所述系统中的各个模块的具体实施方式请参考图1所示出的方法流程图及具体实施内容，在此不再赘述。
在本发明实施例中，优先利用流体力学理论评估靶向机器人在血管或者淋巴管中运动所受到的阻力，同时利用有限元数值模型评估靶向机器人在血管和组织之间穿透所需要做的机械功，以此作为路径优化的评价标准；基于靶向机器人在人体内任意两点间的运动路径不唯一，利用路径优化的评价标准可制定能耗相对最小的运动路径，保证在不提高靶向机器人成本的前提下，解决靶向机器人在人体中运动的能源不足问题，使得靶向机器人应用在医疗领域更具有可行性。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。
以上对本发明实施例所提供的一种基于路径规划的靶向机器人运动优化方法及系统进行了详细介绍，本文中采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于路径规划的靶向机器人运动优化方法，其特征在于，所述方法包括：
基于有限元数值模型计算靶向机器人在人体的不同组织内运动所产生的单位耗能；
获取所述靶向机器人由人体注入点运行到人体靶向点的N个路径信息；
基于在不同组织内运动所产生的单位耗能，计算所述靶向机器人在N个路径信息中每一个路径信息所产生的总耗能，并将最小总耗能所对应的路径信息作为所述靶向机器人的最优运动路径。
2.根据权利要求1所述的基于路径规划的靶向机器人运动优化方法，其特征在于，所述基于有限元数值模型计算靶向机器人在人体的不同组织内运动所产生的单位耗能包括：
计算所述靶向机器人在血管中移动的单位耗能；
计算所述靶向机器人穿过血管壁的单位耗能；
计算所述靶向机器人在细胞外基质中迁移的单位耗能。
3.根据权利要求2所述的基于路径规划的靶向机器人运动优化方法，其特征在于，所述靶向机器人在血管中移动的单位耗能U为：
f＝πCDρR2v2
其中，σ为所述靶向机器人的当前应力，ε为所述靶向机器人的当前应变，V为所述靶向机器人的体积，A为液体对所述靶向机器人的有效作用面积，f为所述靶向机器人所受到的压差阻力，R为所述靶向机器人的半径，v为所述靶向机器人与液体的相对运动速度，CD为液体的阻力系数，ρ为液体密度。
4.根据权利要求2所述的基于路径规划的靶向机器人运动优化方法，其特征在于，所述靶向机器人穿过血管壁的单位耗能W为：
其中，r0为所述靶向机器人的半径，a为不同细胞间的初始间隙半径，F为所述靶向机器人所受到的合外力。
5.根据权利要求2所述的基于路径规划的靶向机器人运动优化方法，其特征在于，所述靶向机器人在细胞外基质中迁移的单位耗能P为：
其中，P为所述靶向机器人在穿越整个细胞外基质所消耗的总功耗，S0为路程总长度，J(s)为所述靶向机器人穿过单个孔洞所做的功，a(s)为单个孔洞的初始半径，r0为所述靶向机器人的半径，F为所述靶向机器人所受到的合外力。
6.一种基于路径规划的靶向机器人运动优化系统，其特征在于，所述系统包括：
耗能计算模块，用于基于有限元数值模型计算靶向机器人在人体的不同组织内运动所产生的单位耗能；
路径获取模块，用于获取所述靶向机器人由人体注入点运行到人体靶向点的N个路径信息；
路径优化模块，用于基于在不同组织内运动所产生的单位耗能，计算所述靶向机器人在N个路径信息中每一个路径信息所产生的总耗能，并将最小总耗能所对应的路径信息作为所述靶向机器人的最优运动路径。
7.根据权利要求6所述的基于路径规划的靶向机器人运动优化方法，其特征在于，所述耗能计算模块用于计算所述靶向机器人在血管中移动的单位耗能、穿过血管壁的单位耗能以及在细胞外基质中迁移的单位耗能。
8.根据权利要求7所述的基于路径规划的靶向机器人运动优化方法，其特征在于，所述靶向机器人在血管中移动的单位耗能U为：
f＝πCDρR2v2
其中，σ为所述靶向机器人的当前应力，ε为所述靶向机器人的当前应变，V为所述靶向机器人的体积，A为液体对所述靶向机器人的有效作用面积，f为所述靶向机器人所受到的压差阻力，R为所述靶向机器人的半径，v为所述靶向机器人与液体的相对运动速度，CD为液体的阻力系数，ρ为液体密度。
9.根据权利要求7所述的基于路径规划的靶向机器人运动优化方法，其特征在于，所述靶向机器人穿过血管壁的单位耗能W为：
其中，r0为所述靶向机器人的半径，a为不同细胞间的初始间隙半径，F为所述靶向机器人所受到的合外力。
10.根据权利要求7所述的基于路径规划的靶向机器人运动优化方法，其特征在于，所述靶向机器人在细胞外基质中迁移的单位耗能P为：
其中，P为所述靶向机器人在穿越整个细胞外基质所消耗的总功耗，S0为路程总长度，J(s)为所述靶向机器人穿过单个孔洞所做的功，a(s)为单个孔洞的初始半径，r0为所述靶向机器人的半径，F为所述靶向机器人所受到的合外力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010631789.6A CN111783341A (zh) | 2020-07-03 | 2020-07-03 | 一种基于路径规划的靶向机器人运动优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010631789.6A CN111783341A (zh) | 2020-07-03 | 2020-07-03 | 一种基于路径规划的靶向机器人运动优化方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111783341A true CN111783341A (zh) | 2020-10-16 |
Family
ID=72758596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010631789.6A Pending CN111783341A (zh) | 2020-07-03 | 2020-07-03 | 一种基于路径规划的靶向机器人运动优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111783341A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014104517A (ja) * | 2012-11-26 | 2014-06-09 | Mitsubishi Electric Corp | ロボットシステム |
| CN107133416A (zh) * | 2017-05-24 | 2017-09-05 | 西北工业大学 | 一种uuv多层次混杂式免疫智能体结构建模方法 |
| JP2018203111A (ja) * | 2017-06-06 | 2018-12-27 | 東洋ゴム工業株式会社 | 回転体の転動解析方法、回転体の転動解析装置、及びプログラム |
| CN109614726A (zh) * | 2018-12-17 | 2019-04-12 | 浙江大学 | 一种基于遗传算法的浮力调节低功耗控制方法 |
| CN110478628A (zh) * | 2019-08-03 | 2019-11-22 | 安徽工程大学 | 临床截石位靶向粒子植入机器人人机安全交互系统及方法 |
-
2020
- 2020-07-03 CN CN202010631789.6A patent/CN111783341A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014104517A (ja) * | 2012-11-26 | 2014-06-09 | Mitsubishi Electric Corp | ロボットシステム |
| CN107133416A (zh) * | 2017-05-24 | 2017-09-05 | 西北工业大学 | 一种uuv多层次混杂式免疫智能体结构建模方法 |
| JP2018203111A (ja) * | 2017-06-06 | 2018-12-27 | 東洋ゴム工業株式会社 | 回転体の転動解析方法、回転体の転動解析装置、及びプログラム |
| CN109614726A (zh) * | 2018-12-17 | 2019-04-12 | 浙江大学 | 一种基于遗传算法的浮力调节低功耗控制方法 |
| CN110478628A (zh) * | 2019-08-03 | 2019-11-22 | 安徽工程大学 | 临床截石位靶向粒子植入机器人人机安全交互系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tuma et al. | Microcirculation | |
| Xiong et al. | Shear stress variation induced by red blood cell motion in microvessel | |
| Sgouralis et al. | Autoregulation and conduction of vasomotor responses in a mathematical model of the rat afferent arteriole | |
| Sharma et al. | A two-layer mathematical model of blood flow in porous constricted blood vessels | |
| Landis et al. | Synthesizing theory building and practice in intercultural training | |
| CN111783341A (zh) | 一种基于路径规划的靶向机器人运动优化方法及系统 | |
| Strack | A Dupuit‐Forchheimer model for three‐dimensional flow with variable density | |
| Xu et al. | [Retracted] Music Art Teaching Quality Evaluation System Based on Convolutional Neural Network | |
| Robinson et al. | Limitations of using synthetic blood clots for measuring in vitro clot capture efficiency of inferior vena cava filters | |
| Selicoff | Looking for good supervision: A fit between collaborative and hierarchical methods | |
| Johnson et al. | An impedance model for blood flow in the human arterial system. Part I: Model development and MATLAB implementation | |
| Vernengo et al. | An Experiment for the Undergraduate Laboratory that Teaches Fundamental Concepts of Rheology within the Context of Sickle Cell Anemia | |
| Yang et al. | Connecting with fundamental mathematical knowledge directly: the organizational features of good mathematical cognitive structure | |
| Barakat | Microhydrodynamics of vesicles in channel flow | |
| Rubenstein | Platelet adhesion potential estimation in a normal and diseased coronary artery model: effects of shear stress magnitude versus shear stress history | |
| Feng et al. | Numerical simulation and in vitro experimental study of thrombus capture efficiency of a new retrievable vena cava filter | |
| Guo et al. | Self-presentation Strategy of WeChat Users with Motives Impact on the Formation of Online Social Capital | |
| Ruzov | Neuromodulation: action potential modeling | |
| Gupta | A Multiscale Model Correlated with In Vitro Data for Multiple Platelet Aggregation in Shear Flows | |
| Davids et al. | Transient laminar flow in ducts of arbitrary cross-section by finite element methods | |
| Bronzino et al. | Perfusion Effects and Hydrodynamics | |
| Miah | Computational investigation of pulsatile blood flow in the models of arterial stenosis and aneurysm | |
| Simone et al. | NATURAL CONSTRAINTS ON LANGUAGE: Nature and Consequences | |
| Mabry et al. | CVSys: a coordination framework for dynamic and fully distributed cardiovascular modeling and simulation | |
| Snizhko et al. | Application of higher mathematics in the consideration of basic concepts of hemodynamics with medical students |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |